应用于AI的云游戏数据处理方法及系统技术方案

本申请实施例公开了应用于AI的云游戏数据处理方法及系统；方法包括：基于注意力分团规则对目标云游戏用户活动数据进行处理，得到操作偏好知识关系网；结合所述操作偏好知识关系网进行关联操作挖掘处理得到操作偏好字段，并基于所述操作偏好字段对所述目标云游戏用户活动数据进行轻量化处理，得到轻量化云游戏数据；通过本申请，能够在保障目标云游戏用户活动数据的原始特征完整性的前提下尽可能减少轻量化云游戏数据所占用的存储空间，从而提高云游戏系统的数据存储效率，避免存储过载导致系统崩溃。致系统崩溃。致系统崩溃。

【技术实现步骤摘要】
应用于AI的云游戏数据处理方法及系统


[0001]本申请涉及人工智能和云游戏
，尤其涉及一种应用于AI的云游戏数据处理方法及系统。

技术介绍

[0002]云游戏是以云计算为基础的游戏方式，在云游戏的运行模式下，所有游戏都在服务器端运行，并将渲染完毕后的游戏画面压缩后通过网络传送给游戏玩家。云游戏随着基础实施能力提升以及与5G技术融合，让云游戏的质量、操作流畅性等都获得大幅提升。然而随着云游戏的不断运行，云游戏服务器侧所承载的数据存储压力激增，为改善这一问题，相关技术通常对数据进行压缩存储，但是这种操作会导致部分重要信息的丢失。基于此，如何在保障云游戏数据特征完整性的基础上减少数据存储所占用的空间是当下需要解决的问题。

技术实现思路

[0003]本申请的一个目的是提供一种应用于AI的云游戏数据处理方法及系统。
[0004]本申请的技术方案是通过如下至少部分实施例实现的。
[0005]一种应用于AI的云游戏数据处理方法，应用于云游戏系统，所述方法包括：基于注意力分团规则对目标云游戏用户活动数据进行处理，得到操作偏好知识关系网；结合所述操作偏好知识关系网进行关联操作挖掘处理得到操作偏好字段，并基于所述操作偏好字段对所述目标云游戏用户活动数据进行轻量化处理，得到轻量化云游戏数据。
[0006]如此设计，能够在保障目标云游戏用户活动数据的原始特征完整性的前提下尽可能减少轻量化云游戏数据所占用的存储空间，从而提高云游戏系统的数据存储效率，避免存储过载导致系统崩溃。
[0007]在一些可独立的设计思路下，所述基于注意力分团规则对目标云游戏用户活动数据进行处理，得到操作偏好知识关系网，包括：获得目标云游戏用户活动数据，并对所述目标云游戏用户活动数据进行操作偏好挖掘，获得涵盖若干个注意力层面的第一操作偏好知识关系网；对所述第一操作偏好知识关系网的注意力层面进行分团操作，获得若干个第二操作偏好知识关系网；结合所述操作偏好知识关系网进行关联操作挖掘处理得到操作偏好字段，并基于所述操作偏好字段对所述目标云游戏用户活动数据进行轻量化处理，得到轻量化云游戏数据，包括：对所述第二操作偏好知识关系网进行场景化关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一场景化操作偏好字段；对所述第二操作偏好知识关系网进行注意力关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一注意力操作偏好字段；结合各第二操作偏好知识关系网对应的第一场景化操作偏好字段和第一注意力操作偏好字段，确定各所述第二操作偏好知识关系网分别匹配的关系网优化指示；利用各所述第二操作偏好知识关系网分别匹配的关系网优化指示，确定所述目标云游戏用户活动数据对应的第一系统优化信息，以及结合所述第一操作偏好知识关系网进行活
动识别性优化，确定所述目标云游戏用户活动数据对应的第二系统优化信息，所述第一系统优化信息和所述第二系统优化信息形成所述目标云游戏用户活动数据对应的轻量化云游戏数据。
[0008]如此设计，通过对进行操作偏好挖掘后获得的第一操作偏好知识关系网进行分团操作，获得若干个第二操作偏好知识关系网，并通过对所述第二操作偏好知识关系网进行场景化关联操作偏好挖掘和注意力关联操作偏好挖掘，可以一并对所述第二操作偏好知识关系网进行场景化操作偏好优化和注意力操作偏好优化，这样能够提升所述目标云游戏用户活动数据的数据轻量化程度，然后再结合第一场景化操作偏好字段和第一注意力操作偏好字段进行云游戏用户活动数据的轻量化处理，能够在保障目标云游戏用户活动数据的原始特征完整性的前提下尽可能减少轻量化云游戏数据所占用的存储空间，从而提高云游戏系统的数据存储效率，避免存储过载导致系统崩溃。
[0009]在一些可独立的设计思路下，在获得所述第一操作偏好知识关系网之后，所述方法还包括：对所述第一操作偏好知识关系网进行数值型转换；所述对所述第一操作偏好知识关系网的注意力层面进行分团操作，获得若干个第二操作偏好知识关系网，包括：结合设定的若干个目标注意力层面数对完成数值型转换的所述第一操作偏好知识关系网的注意力层面进行分团操作，获得若干个设定分团簇，每个设定分团簇的注意力描述值形成一个第二操作偏好知识关系网；其中，各第二操作偏好知识关系网所涵盖的注意力层面数至少部分存在差异。
[0010]如此设计，通过若干个目标注意力层面数对所述第一操作偏好知识关系网进行随机分团，可以使得分团操作后的各第二操作偏好知识关系网中涵盖的目标云游戏用户活动数据的类别描述相似，从而提高所述目标云游戏用户活动数据的轻量化程度。此外，不同于对所述第一操作偏好知识关系网进行规则化分团，所得到的分团簇数量更少，所需的运算资源开销更少，能够提高针对目标云游戏用户活动数据的轻量化处理时效性。
[0011]在一些可独立的设计思路下，所述对所述第二操作偏好知识关系网进行场景化关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一场景化操作偏好字段，包括：对于任一所述第二操作偏好知识关系网，结合场景化关联处理算法依次确定该第二操作偏好知识关系网的各注意力层面分别匹配的第一场景化操作偏好字段；该第二操作偏好知识关系网的各注意力层面分别匹配的第一场景化操作偏好字段形成该第二操作偏好知识关系网对应的第一场景化操作偏好字段。
[0012]在一些可独立的设计思路下，所述方法还包括利用如下思路确定第二操作偏好知识关系网的各注意力层面对应的第一场景化操作偏好字段：对于任一第二操作偏好知识关系网的其中一个注意力层面，将该注意力层面之前的注意力层面的注意力描述值加载到所述场景化关联处理算法，确定该注意力层面对应的第一场景化操作偏好字段；任一第二操作偏好知识关系网的首个注意力层面对应的第一场景化操作偏好字段满足设定条件。
[0013]如此设计，通过将该注意力层面之前的注意力层面的注意力描述值加载到场景化关联处理算法，可以确定该注意力层面与之前各注意力层面的场景化关联特征，这样可以针对性地进行云游戏用户活动数据的轻量化处理，提高云游戏用户活动数据的轻量化程度。
[0014]在一些可独立的设计思路下，所述对所述第二操作偏好知识关系网进行注意力关
联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一注意力操作偏好字段，包括：对于第V个第二操作偏好知识关系网，将前U个第二操作偏好知识关系网加载到指定AI算法，确定第V个第二操作偏好知识关系网对应的第一注意力操作偏好字段；其中，U为正整数，首个第二操作偏好知识关系网的第一注意力操作偏好字段满足设定条件，第V个第二操作偏好知识关系网的注意力层面在所述第一操作偏好知识关系网中的注意力层面优先级大于前U个第二操作偏好知识关系网的注意力层面优先级。
[0015]如此设计，通过将该第二操作偏好知识关系网之前的第二操作偏好知识关系网加载到指定AI算法，可以确定该第二操作偏好知识关系网与之前各第二操作偏好知识关系网的注意力关联特征，这样可以针对性地进行云游戏用户活动数据的轻量化处理，提高云游戏用户活动数据的轻量化程度。
[0016本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于AI的云游戏数据处理方法，其特征在于，应用于云游戏系统，所述方法包括：基于注意力分团规则对目标云游戏用户活动数据进行处理，得到操作偏好知识关系网；结合所述操作偏好知识关系网进行关联操作挖掘处理得到操作偏好字段，并基于所述操作偏好字段对所述目标云游戏用户活动数据进行轻量化处理，得到轻量化云游戏数据。2.根据权利要求1所述的方法，其特征在于，所述基于注意力分团规则对目标云游戏用户活动数据进行处理，得到操作偏好知识关系网，包括：获得目标云游戏用户活动数据，并对所述目标云游戏用户活动数据进行操作偏好挖掘，获得涵盖若干个注意力层面的第一操作偏好知识关系网；对所述第一操作偏好知识关系网的注意力层面进行分团操作，获得若干个第二操作偏好知识关系网。3.根据权利要求2所述的方法，其特征在于，结合所述操作偏好知识关系网进行关联操作挖掘处理得到操作偏好字段，并基于所述操作偏好字段对所述目标云游戏用户活动数据进行轻量化处理，得到轻量化云游戏数据，包括：对所述第二操作偏好知识关系网进行场景化关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一场景化操作偏好字段；对所述第二操作偏好知识关系网进行注意力关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一注意力操作偏好字段；结合各第二操作偏好知识关系网对应的第一场景化操作偏好字段和第一注意力操作偏好字段，确定各所述第二操作偏好知识关系网分别匹配的关系网优化指示；利用各所述第二操作偏好知识关系网分别匹配的关系网优化指示，确定所述目标云游戏用户活动数据对应的第一系统优化信息，以及结合所述第一操作偏好知识关系网进行活动识别性优化，确定所述目标云游戏用户活动数据对应的第二系统优化信息，所述第一系统优化信息和所述第二系统优化信息形成所述目标云游戏用户活动数据对应的轻量化云游戏数据。4.根据权利要求3所述的方法，其特征在于，在获得所述第一操作偏好知识关系网之后，所述方法还包括：对所述第一操作偏好知识关系网进行数值型转换；所述对所述第一操作偏好知识关系网的注意力层面进行分团操作，获得若干个第二操作偏好知识关系网，包括：结合设定的若干个目标注意力层面数对完成数值型转换的所述第一操作偏好知识关系网的注意力层面进行分团操作，获得若干个设定分团簇，每个设定分团簇的注意力描述值形成一个第二操作偏好知识关系网；其中，各第二操作偏好知识关系网所涵盖的注意力层面数至少部分存在差异。5.根据权利要求3所述的方法，其特征在于，所述对所述第二操作偏好知识关系网进行场景化关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一场景化操作偏好字段，包括：对于任一所述第二操作偏好知识关系网，结合场景化关联处理算法依次确定该第二操作偏好知识关系网的各注意力层面分别匹配的第一场景化操作偏好字段；其中，该第二操作偏好知识关系网的各注意力层面分别匹配的第一场景化操作偏好字段形成该第二操作偏好知识关系网对应的第一场景化操作偏好字段；
其中，所述方法还包括利用如下思路确定第二操作偏好知识关系网的各注意力层面对应的第一场景化操作偏好字段：对于任一第二操作偏好知识关系网的其中一个注意力层面，将该注意力层面之前的注意力层面的注意力描述值加载到所述场景化关联处理算法，确定该注意力层面对应的第一场景化操作偏好字段；任一第二操作偏好知识关系网的首个注意力层面对应的第一场景化操作偏好字段满足设定条件。6.根据权利要求3所述的方法，其特征在于，所述对所述第二操作偏好知识关系网进行注意力关联操作偏好挖掘，确定所述第二操作偏好知识关系网对应的第一注意力操作偏好字段，包括：对于第V个第二操作偏好知识关系网，将前U个第二操作偏好知识关系网加载到指定AI算法，确定第V个第二操作偏好知识关系网对应的第一注意力操作偏好字段；其中，U为正整数，V=U+1，首个第二操作偏好知识关系网的第一注意力操作偏好字段满足设定条件，第V个第二操作偏好知识关系网的注意力层面在所述第一操作偏好知识关系网中的注意力层面优先级大于前U个第二操作偏好知识关系网的注意力层面优先级。7.根据权利要求3所述的方法，其特征在于，所述结合各第二操作偏好知识关系网对应的第一场景化操作偏好字段和第一注意力操作偏好字段，确定各所述第二操作偏好知识关系网分别匹配的关系网优化指示，包括：确定与所述目标云游戏用户活动数据对应的操作偏好热力分布；对于任一第二操作偏好知识关系网，结合该第二操作偏好知识关系网对应的第一场景化操作偏好字段、第一注意力操作偏好字段以及所述操作偏好热力分布，确定该第二操作偏好知识关系网对应的关系网优化指示；其中，所述确定与所述目标云游戏用户活动数据对应的操作偏好热力分布，包括：结合预设关系网挖掘模块对所述第一操...

【专利技术属性】
技术研发人员：戴烨，
申请(专利权)人：戴烨，
类型：发明
国别省市：